Nu poți copia text dintr-un PDF? De ce se întâmplă și cum obții textul

Dacă nu poți selecta cuvintele dintr-un PDF, paginile sunt cel mai probabil imagini cu text, o scanare sau o fotografie, nu text propriu-zis. Trage fișierul în PDF în text: dacă găsește cuvinte, copiază-le de acolo. Dacă anunță că nu a găsit text, paginile au nevoie de OCR (recunoaștere optică a caracterelor), care citește literele din imagine. Ambii pași rulează în browserul tău, iar fișierul nu este încărcat niciodată.

PDF în textVreau textul dintr-un PDFÎncearcă gratuit

PDF cu text sau PDF scanat

Un PDF cu text păstrează fiecare literă ca pe un caracter, cu un font și o poziție pe pagină. Un PDF scanat păstrează fiecare pagină ca o singură imagine, la fel ca o fotografie, deci nu există nimic de selectat. Unele fișiere amestecă cele două: pagini tipărite cu o semnătură scanată sau un formular scanat cu un titlu tastat.

Verifică în vizualizatorul tău încercând să selectezi un singur cuvânt. Dacă evidențierea urmează literele, textul există. Dacă poți selecta doar toată pagina sau nimic, pagina este o imagine.

Ce vezi	Ce înseamnă de obicei	Ce să faci
Cuvintele se selectează și se copiază	Un PDF cu text	Copiază direct sau folosește PDF în text pentru tot fișierul
Nu se selectează nimic, iar PDF în text nu găsește text	Pagini scanate sau fotografiate	Randează paginile, apoi rulează OCR
Cuvintele se selectează, dar se lipesc ca simboluri ciudate	Fonturile nu asociază corect literele cu caracterele	Încearcă PDF în text; dacă rezultatul rămâne alterat, folosește OCR
Vizualizatorul blochează selectarea	O restricție de copiere setată de autor	Vezi secțiunea despre restricții

De ce un PDF nu te lasă să copiezi

Trei lucruri împiedică copierea, iar fiecare are alt răspuns:

• Paginile sunt imagini scanate. Textul nu există deloc în fișier, deci OCR este singura cale de a-l recupera.
• Fișierul cere o parolă ca să se deschidă. Nu poate fi citit până nu îl deblochezi cu parola pe care o ai, în programul pe care îl folosești de obicei. Uneltele de aici nu încearcă să deschidă fișiere blocate.
• Autorul a setat o restricție de copiere. Unele PDF-uri le cer vizualizatorilor să nu permită copierea sau editarea. Este o setare aleasă de autor, iar fixmint nu o ocolește. Dacă ai dreptul, cere o copie fără restricții sau exportă una din programul care a creat fișierul.

Obține textul dintr-un PDF cu text

1. Trage PDF-ul în caseta din PDF în text și așteaptă până când este citită fiecare pagină.
2. Verifică numărul de pagini și de cuvinte care apar.
3. Bifează Marcaje de pagină dacă vrei ca fiecare pagină să fie etichetată. Lasă-l nebifat pentru text simplu.
4. Copiază textul sau descarcă-l ca fișier .txt.

Coloanele, tabelele și antetele pot apărea într-o altă ordine, pentru că un PDF păstrează locul unde este desenat fiecare fragment de text, nu paragraful din care face parte. Dacă fiecare rând se termină cu un salt de rând forțat, citește de ce textul copiat dintr-un PDF se rupe la fiecare rând, apoi lipește textul în Repară textul lipit, care unește rândurile fiecărui paragraf.

Obține textul dintr-un PDF scanat

Paginile scanate necesită doi pași: transformi fiecare pagină într-o imagine, apoi citești textul din fiecare imagine. Același pas de citire funcționează și pentru o captură de ecran sau o fotografie, după cum se explică aici.

1. Trage PDF-ul în PDF în JPG. Alege PNG pentru text, pentru că păstrează marginile literelor clare, și 300 DPI pentru caractere mici. Selectează doar paginile de care ai nevoie sau lasă-le pe toate.
2. Descarcă paginile. Fiecare se salvează ca imagine separată, sau toate vin într-un ZIP.
3. Deschide Imagine în text (OCR) și trage prima pagină. Cuvintele apar după ce pagina este citită. Cuvintele pe care motorul nu este sigur de ele sunt marcate cu roșu.
4. Repetă pentru fiecare pagină, în ordine. Bifează Unește rândurile în paragrafe ca să elimini întreruperile de rând, apoi copiază rezultatul.
5. Verifică fiecare număr, nume și dată cu pagina originală înainte să te bazezi pe ele.

Imagine în text (OCR) citește o imagine pe rând și doar în engleză. Unealta încarcă motorul OCR și modelul lui pentru engleză de pe site la pornire, iar apoi imaginea este citită pe dispozitivul tău. O pagină mare sau lentă poate dura, așa că așteaptă rezultatul înainte să copiezi. Paginile clare, drepte și uniform luminate se citesc cel mai bine. Taie marginile unei fotografii și ține aparatul paralel cu pagina.

Greșeli frecvente

• Salvarea paginilor cu text ca JPG. JPG estompează marginile literelor, ceea ce scade precizia. PNG este alegerea mai bună pentru paginile cu text.
• Încrederea oarbă în OCR fără verificare. Recunoașterea nu este perfectă. Citește numerele și numele în comparație cu pagina.
• Așteptarea ca tabelele să rămână tabele. OCR citește rânduri, așa că un tabel poate ieși sub formă de listă. Compară rezultatul cu pagina.
• Folosirea OCR pentru scris de mână. Imagine în text (OCR) este făcută pentru text tipărit. Scrisul de mână se citește de obicei slab, așa că scrie manual din nou acele părți.

Întrebări frecvente

OCR îmi încarcă paginile scanate?

Nu. Pagina este citită în browserul tău, iar imaginea nu este trimisă niciodată către un server. Site-ul trimite motorul OCR și modelul lui pentru engleză în browserul tău, iar citirea se face acolo.

Ce fac dacă doar unele pagini nu au text?

Activează Marcaje de pagină în PDF în text. O pagină care nu arată nimic sub eticheta ei este o scanare, în timp ce paginile tastate își arată textul. Trece doar acele pagini prin PDF în JPG și Imagine în text (OCR), apoi pune rezultatele la loc în ordine.

De ce textul copiat se rupe la sfârșitul fiecărui rând?

Un PDF păstrează fiecare rând tipărit separat, deci copierea păstrează și acele întreruperi. Folosește Repară textul lipit ca să unești rândurile fiecărui paragraf. Ghidul despre întreruperile de rând explică de ce se întâmplă.

Poate Imagine în text (OCR) să citească scris de mână sau alte limbi?

Este făcută pentru engleză tipărită, în alfabetul latin, iar scrisul de mână se citește de obicei slab. Alte alfabete, precum arabă, chineză sau chirilică, nu sunt acceptate.